Estructura de este tema. Tema 3 Contrastes de hipótesis. Ejemplo

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Estructura de este tema. Tema 3 Contrastes de hipótesis. Ejemplo"

Transcripción

1 Estructura de este tema Tema 3 Contrastes de hipótesis José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Qué es un contraste de hipótesis? Elementos de un contraste: hipótesis, tipos de error, nivel de significación, región crítica. Contrastes para la media de una población normal Comparación de dos medias: muestras independientes y datos emparejados (sólo se tratará el caso de varianzas iguales) Contrastes para una proporción Comparación de dos proporciones Qué es un contraste de hipótesis? Ejemplo Los refrescos de cola light utilizan edulcorantes artificiales que pueden perder su efecto con el tiempo. Una hipótesis es una afirmación que se hace sobre la población. La hipótesis es paramétrica si se refiere a los valores que toma alguno de los parámetros poblacionales. Por ejemplo, una hipótesis paramétrica es: la media poblacional es positiva (µ > 0). Un contraste de hipótesis es una técnica estadística para juzgar si los datos aportan evidencia o no para confirmar una hipótesis. En un experimento se pidió a varias personas que probaran refrescos dietéticos y calificaran su grado de sabor dulce en una escala de 1 a 10. Tras almacenar las bebidas durante un mes a alta temperatura (para imitar el efecto de 4 meses de almacenamiento a temperatura ambiente) las mismas personas probaron de nuevo los refrescos y calificaron de nuevo su grado de sabor dulce. En la siguiente tabla aparecen las diferencias en las puntuaciones (a mayor diferencia, mayor caída del sabor): 2, 0.4, 0.7, 2, 0.4, 2.2, 1.3, 1.2, 1.1, 2.3

2 La mayoría de los datos son positivos. Es decir, la mayoría de las personas apreciaron pérdida en el nivel de sabor. Pero las diferencias no son muy grandes (e incluso dos personas apreciaron un incremento). La pregunta que trata de responder un contraste de hipótesis es: Proporcionan estos datos evidencia de que el nivel medio de sabor decrece en media? La media estimada a partir de los datos es x = Refleja esta estimación un auténtico descenso en el nivel medio de sabor? Se debe el resultado a razones puramente aleatorias? Elementos de un contraste de hipótesis La hipótesis para la que se desea encontrar evidencia se llama hipótesis alternativa. Se denota H 1. La afirmación contraria a H 1 se llama hipótesis nula. Se denota H 0. Llamamos µ al descenso medio (desconocido) del grado de sabor de los refrescos. Como queremos confirmar si el grado medio realmente desciende, queremos contrastar H 0 : µ 0 frente a H 1 : µ > 0 El razonamiento básico para hacer este contraste es: Supongamos que H 0 es cierta, es decir, µ 0. Es el resultado obtenido a partir de los datos ( x = 1.02) extraño bajo esta hipótesis? Si esto es así, los datos aportan evidencia contra H 0 y a favor de H 1. Para llevar a cabo el análisis anterior tenemos que estudiar qué valores son los que cabe esperar que tome x cuando H 0 es cierta. Para simplificar suponemos de momento que la población es normal y que la varianza es conocida y vale σ = 1. Supongamos que H 0 es cierta y que µ vale 0 (toma el valor en el que más difícil es distinguir entre H 0 y H 1 ). Sabemos (tema 2) que x µ σ/ N(0, 1). n Para juzgar si el valor x = 1.02 es compatible con µ = 0 calculamos t = / 10 = y comparamos con la distribución normal estándar. Como es un valor bastante improbable para una distribución N(0, 1), los datos proporcionan bastante evidencia en contra de H 0 y a favor de H 1.

3 Podemos interpretar t = como la distancia entre x y 0 medida en desviaciones típicas. Mirando las tablas de la normal: P(Z > ) < Si µ = 0, en menos de 1 de cada 1000 muestras se obtendría un valor de t superior a Parece que la distancia entre x y 0 es suficientemente grande como para rechazar H 0 : µ 0. Qué significa suficientemente grande? Depende de lo seguros que queramos estar a la hora de rechazar o no la hipótesis nula. Cuando se lleva a cabo un contraste de hipótesis se pueden cometer dos tipos de errores: Error de tipo I: Rechazar H 0 cuando es cierta. Error de tipo II: Aceptar H 0 cuando es falsa. De los dos errores sólo vamos a poder controlar el error de tipo I. Por ello, se deben definir las hipótesis de forma que el error de tipo I sea el más grave (equivalentemente, H 1 debe ser la hipótesis que queremos confirmar). Se llama nivel de significación α de un contraste a la mayor probabilidad de cometer un error de tipo I cuando se utiliza ese contraste. Vamos a rechazar H 0 : µ 0 siempre que la distancia entre x y µ = 0 sea suficientemente grande, mayor que un valor crítico c: x 0 1/ 10 > c. Para determinar c fijamos el nivel de significación α. Los valores α = 0.01 o α = 0.05 son los más habituales. ( ) x 0 α = P H0 (Rechazar) = P H0 1/ 10 > c = P(Z > c). Por lo tanto c = z α Rechazaremos H 0 : µ 0 a nivel α siempre que se verifique: x 0 1/ 10 > z α. A R se le llama región de rechazo o región crítica. Para los datos del ejemplo recordemos que x 0 1/ 10 = Para hacer el contraste a nivel α = 0.05, buscamos en las tablas z 0.05 = Como > 1.64, estamos en la región crítica y rechazamos la hipótesis nula µ 0 a nivel α = 0.05.

4 Contrastes para la media de una población normal (varianza desconocida) Para la mayoría de los contrastes la región crítica es de la forma: Distancia entre datos y H0 > c (tablas). E.T. de la distancia Hay muchos posibles contrastes (véase el formulario), pero todos se basan en las ideas que hemos introducido hasta ahora. En lo que sigue vamos a ver ejemplos de aplicación de las fórmulas en distintas situaciones. Contrastes unilaterales: Hipótesis: H 0 : µ µ 0 frente a H 1 : µ > µ 0 Región crítica: x µ0 s/ n > t n 1,α. Hipótesis: H 0 : µ µ 0 frente a H 1 : µ < µ 0 Región crítica: x µ0 s/ n < t n 1,α. Contraste bilateral: Hipótesis: H 0 : µ = µ 0 frente a H 1 : µ µ 0 Región crítica: x µ0 s/ n > t n 1,α/2. Ejemplo del edulcorante cuando σ es desconocida Queremos contrastar H 0 : µ 0 frente a H 1 : µ > 0 (es decir, contraste unilateral con µ 0 = 0) a nivel α = Suponemos ahora que σ no es conocida. La aproximamos a partir de la muestra: 2, 0.4, 0.7, 2, 0.4, 2.2, 1.3, 1.2, 1.1, 2.3 Para ello usamos el estimador: n i=1 s = (x i x) 2 = n 1 Calculamos el estadístico t: t = x µ 0 s/ n = / 10 = En las tablas de la t buscamos el valor: t 9,0.05 = Como > estamos en la región crítica y rechazamos H 0 a nivel α = Cuál es la conclusión si fijamos α = 0.01?

5 Solución con SPSS Resultado que da SPSS Prueba T [Conjunto_de_datos0] C:\Documents and Settings\usuario\Mis documentos\joser\docencia \estap\datos\edulcorante.sav Estadísticos para una muestra dulzor N Desviación Error típ. de Media típ. la media 10 1,020 1,1961,3782 Prueba para una muestra dulzor Valor de prueba = 0 95% Intervalo de confianza para la Diferencia diferencia t gl Sig. (bilateral) de medias Inferior Superior 2,697 9,025 1,0200,164 1,876 Valor de prueba: µ 0 (el valor de µ que separa H 0 de H 1 ). Por defecto µ 0 = 0. Sig (bilateral): es el p-valor del test bilateral H 0 : µ = µ 0 frente a H 1 : µ µ 0 (transparencia siguiente) P-valor de un contraste A medida que el nivel de significación disminuye es más difícil rechazar la hipótesis nula (manteniendo los mismos datos). Hay un valor α = p a partir del cual ya no podemos rechazar H 0. Es decir si α < p ya no se rechaza H 0. A p se le llama el p-valor del contraste. El p-valor indica el punto de división entre el rechazo y la aceptación: Si α < p, no podemos rechazar H 0 a nivel α. Si α > p, podemos rechazar H 0 a nivel α. El p-valor se interpreta como una medida de la evidencia estadística que los datos aportan a favor de la hipótesis alternativa H 1 (o en contra de H 0 ): cuando el p-valor es pequeño (digamos, menor o igual que 0.05) se considera que hay una fuerte evidencia a favor de H 1. SPSS y p-valor Los paquetes de software estadístico dan como resultado de un test su p-valor. SPSS llama sig(bilateral) al p-valor. Conociendo el p-valor, el usuario puede tomar la decisión de aceptar o rechazar H 0 para cualquier α. SPSS siempre calcula el p-valor para el contraste bilateral. Si queremos hacer un contraste unilateral, tenemos que dividir entre 2 el valor calculado por SPSS. En el ejemplo, el p-valor del contraste es 0.025/2 = Esto significa: Si α < no podemos rechazar µ 0. Si α > podemos rechazar µ 0. Pág

6 Ternera Comparación de dos medias (muestras Mediana independientes) 380,5000 Se ha considerado la cantidad de calorías Rango y de en salchichas 392,00 Amplitud intercuartil 158,75 de varias Resumen marcas del procesamiento de los de casosdos tipos: ternera y pavo. tipo Pavo Ternera tipo Pavo Ternera Casos Válidos Perdidos Total N Porcentaje N Porcentaje N Porcentaje ,0% 0,0% ,0% ,0% 0,0% ,0% Media Mediana Varianza Desv. típ. Mínimo Máximo Rango Amplitud intercuartil Media Mediana Varianza Desv. típ. Mínimo Máximo Rango Amplitud intercuartil Descriptivos Estadístico Error típ. 460, , , ,896 87, ,00 161,50 401, , , , , ,00 158,75 600,00 500,00 400,00 300,00 Mínimo Máximo Rango Amplitud intercuartil Media Varianza Desv. típ. Mínimo Máximo Pavo tipo ,00 161,50 401, , , , Ternera Parece que, en estas muestras, las salchichas de pavo tienen más en media. Pero las dos muestras se solapan bastante. Son las diferencias muestrales significativas? Aportan evidencia estos datos para afirmar que el contenido medio de de las salchichas de pavo es distinto al de las salchichas de ternera? X 1,..., X n1 es una muestra de N(µ 1, σ) Y 1,..., Y n2 es una muestra de N(µ 2, σ) Supuestos necesarios: Las muestras proceden de dos poblaciones normales. Las varianzas son desconocidas pero iguales. Las dos muestras son independientes. Página 1 600,00 500,00 400,00 Hipótesis que queremos contrastar (α = 0.05) H 0 : µ 1 = µ 2 frente a H 1 : µ 1 µ 2 Con los datos del ejemplo, x ȳ = = ,00 Pavo Región crítica (formulario) Ternera tipo x ȳ > t s 1 p n n1 +n 2 2,α/2. n 2 Página 1 s 2 p = t = x ȳ s p 1 n n 2 = = y s p = /16 + 1/20 = = Estimador combinado de la varianza s 2 p = (n 1 1)s (n 2 1)s 2 2 n 1 + n 2 2 t 34, Como < 2.04, no podemos rechazar H 0. Las diferencias encontradas en las cantidades medias de de las dos muestras no son significativas al nivel α = 0.05.

7 Con SPSS Estadísticos de grupo Desviación Error típ. de la media tipo N Media típ. Pavo , , ,79435 Ternera , , ,90510 Prueba de muestras independientes Prueba de Levene para la igualdad de varianzas F Sig. t gl Prueba T para la igualdad de medias Error típ. Sig. Diferencia de la 95% Intervalo de confianza (bilateral) de medias diferencia para la diferencia Se han asumido varianzas iguales No se han asumido varianzas iguales Inferior Superior,008,930 1,853 34,073 59, ,2003-5, , ,887 33,84,068 59, ,6170-4, ,92714 El p-valor es Esto significa que se puede rechazar H 0 si α > Al nivel α = 0.05 no podemos rechazar. Error típico de la diferencia: s p 1/n1 + 1/n 2. Comparación de dos medias (datos emparejados) Se usan cinco dosis de una sustancia ferrosa para determinar si existen diferencias entre llevar a cabo un análisis químico de laboratorio o un análisis de fluorescencia por rayos X para determinar el contenido de hierro. Cada dosis se divide en dos partes iguales a las que se aplica cada uno de los dos procedimientos. Los resultados obtenidos son los siguientes: Dosis Rayos X Análisis Químico Parámetros: µ 1 es el contenido medio detectado por rayos X µ 2 es el contenido medio detectado por análisis químico. Hipótesis: Cuando las muestras no son independientes, en lugar de contrastar H 0 : µ 1 = µ 2 frente a H 1 : µ 1 µ 2, se contrasta H 0 : µ = 0 frente a H 1 : µ 0, donde µ es el valor esperado de las diferencias d i = x i y i. Se supone que las poblaciones son normales. Aportan los datos evidencia suficiente a nivel α = 0.05 para afirmar que el contenido medio de hierro detectado cuando se utiliza el análisis químico es diferente del contenido medio detectado cuando se utilizan rayos X? Dosis x i y i d i Con estos datos: d = 0.1 y S d =

8 Región crítica (formulario): d S d / n > t n 1;α/2. Mirando en las tablas t 4;0.025 = Por otra parte, d S d / n = / 5 = Como < 2.776, los datos disponibles no permiten afirmar a nivel 0.05 que los dos métodos proporcionan cantidades medias de hierro diferentes. Prueba T [Conjunto_de_datos0] Par 1 X AQ Estadísticos de muestras relacionadas Desviación Error típ. de Media N típ. la media 2,1600 5,18166, ,2600 5,23022,10296 Otro ejemplo con SPSS Correlaciones de muestras relacionadas Par 1 X y AQ N Correlación Sig. 5,789,113 Prueba de muestras relacionadas Queremos comparar la media de dos poblaciones. Para ello, obtenemos dos muestras aleatorias independientes con los siguientes resultados: Diferencias relacionadas Desviación Error típ. de 95% Intervalo de confianza para la diferencia Media típ. la media Inferior Superior t -,10000,14142, ,27560, ,581 Muestra Muestra Introducimos los datos en SPSS con el resultado siguiente: Prueba de muestras relacionadas gl Sig. (bilateral) 4,189

9 Prueba T Salida SPSS [Conjunto_de_datos0] C:\Documents and Settings\usuario\Mis documentos\joser\docencia\estap\datos\salida-2medias.sav Cuestiones Datos Muestra 1,00 2,00 Estadísticos de grupo N Desviación Error típ. de Media típ. la media 6 5, ,8333 8, ,36072 Calcula la media de la muestra 1 Calcula el error típico de la media de la muestra 1 Prueba de muestras independientes Calcula un IC de nivel 95% para µ 1 Datos Se han asumido varianzas iguales No se han asumido varianzas iguales Prueba de Levene para la igualdad de varianzas F Sig. Prueba T para la igualdad de medias Diferencia Error típ. de 95% Intervalo de confianza para la diferencia t gl Sig. (bilateral) de medias la diferencia Inferior Superior 1,601,234 -,732 10,481-3, , , ,732 8,934,483-3, , , ,27950 Cuánto vale el error típico de la diferencia? Cuánto vale el p-valor del contraste de H 0 : µ 1 = µ 2 frente a H 1 : µ 1 µ 2? Cuánto vale el p-valor del contraste de H 0 : µ 2 µ 1 frente a H 1 : µ 2 > µ 1? Contrastes para una proporción Hipótesis: H 0 : p 0.7 frente a H 1 : p > 0.7, donde p es la proporción poblacional que pierde peso. En un estudio, 1000 personas siguieron una dieta de adelgazamiento durante 3 meses. De las 1000 personas, 791 perdieron más de 3 kg de peso. Permiten los datos afirmar, con el nivel de significación α = 0.01, que más del 70% de la población perdería más de 3 kg de peso de seguir la misma dieta durante el mismo tiempo? Página 1 Región crítica (formulario): ˆp p 0 p 0 (1 p 0 ) n > z α En este caso, n = 1000, p 0 = 0.7, ˆp = y z 0.01 = ˆp p 0 p 0 (1 p 0 ) n = = 6.28 Por lo tanto, podemos rechazar H 0 y afirmar que más del 70% de la población perdería más de 3 kg de peso de seguir la misma dieta durante el mismo tiempo.

10 Comparación de dos proporciones Se ha llevado a cabo un estudio para determinar si un medicamento dirigido a reducir el nivel de colesterol reduce también la probabilidad de sufrir un infarto. Para ello, a hombres de entre 45 y 55 años se les asignó aleatoriamente uno de los dos tratamientos siguientes: 2051 hombres tomaron un medicamento para reducir el nivel de colesterol 2030 hombres tomaron un placebo Durante los cinco años que duró el estudio, 56 de los hombres que tomaron el medicamento, y 84 de los que tomaron el placebo, sufrieron infartos. Podemos afirmar a nivel 0.05 que el medicamento es efectivo? Parámetros: p 1 : Probabilidad de sufrir un infarto si se toma el medicamento. p 2 : Probabilidad de sufrir un infarto si se toma el placebo. Estimadores de los parámetros: ˆp 1 = = y ˆp 2 = = Hipótesis: H 0 : p 2 p 1 frente a H 1 : p 2 > p 1. Estimación de la probabilidad de infarto si fuese p 1 = p 2 (es decir, cuando H 0 es cierta pero es difícil distinguir H 0 de H 1 ): p = Numero total de infartos = Numero total de personas = Región crítica (formulario) ˆp 2 ˆp 1 ( ) > z α p(1 p) n1 n2 Con los datos del ejemplo: ˆp 2 ˆp 1 ( ) = p(1 p) ( ) = n1 n2 z 0.05 = 1.64 Como 2.47 > 1.64, podemos rechazar H 0 y afirmar que el medicamento es efectivo a nivel α = 0.05.

ESTADÍSTICA. Tema 3 Contrastes de hipótesis

ESTADÍSTICA. Tema 3 Contrastes de hipótesis ESTADÍSTICA Grado en CC. de la Alimentación Tema 3 Contrastes de hipótesis Estadística (Alimentación). Profesora: Amparo Baíllo Tema 3: Contrastes de hipótesis 1 Estructura de este tema Qué es un contraste

Más detalles

Práctica 2: Intervalos de confianza y contrastes con SPSS 1

Práctica 2: Intervalos de confianza y contrastes con SPSS 1 Estadística Aplicada Curso 2010/2011 Diplomatura en Nutrición Humana y Dietética Práctica 2: Intervalos de confianza y contrastes con SPSS 1 El objetivo de esta práctica es aprender a calcular intervalos

Más detalles

Teorema Central del Límite (1)

Teorema Central del Límite (1) Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico

Más detalles

Contrastes de hipótesis paramétricos

Contrastes de hipótesis paramétricos Estadística II Universidad de Salamanca Curso 2011/2012 Outline Introducción 1 Introducción 2 Contraste de Neyman-Pearson Sea X f X (x, θ). Desonocemos θ y queremos saber que valor toma este parámetro,

Más detalles

Prueba de hipótesis para la diferencia de medias

Prueba de hipótesis para la diferencia de medias Estadística Técnica Prueba de hipótesis para la diferencia de medias Cladera Ojeda, Fernando Conceptos previos Inferencia estadística Población Muestra Parámetro Estadístico Hipótesis estadística Pruebas

Más detalles

Tema 5. Contraste de hipótesis (I)

Tema 5. Contraste de hipótesis (I) Tema 5. Contraste de hipótesis (I) CA UNED de Huelva, "Profesor Dr. José Carlos Vílchez Martín" Introducción Bienvenida Objetivos pedagógicos: Conocer el concepto de hipótesis estadística Conocer y estimar

Más detalles

Contraste de hipótesis Tema Pasos del contraste de hipótesis. 1.1 Hipótesis estadísticas: nula y alternativa. 1.3 Estadístico de contraste

Contraste de hipótesis Tema Pasos del contraste de hipótesis. 1.1 Hipótesis estadísticas: nula y alternativa. 1.3 Estadístico de contraste 1 Contraste de hipótesis Tema 3 1. Pasos del contraste de hipótesis 1.1 Hipótesis estadísticas: nula y alternativa 1.2 Supuestos 1.3 Estadístico de contraste 1.4 Regla de decisión: zona de aceptación y

Más detalles

ESTADÍSTICA. Tema 4 Regresión lineal simple

ESTADÍSTICA. Tema 4 Regresión lineal simple ESTADÍSTICA Grado en CC. de la Alimentación Tema 4 Regresión lineal simple Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 1 Estructura de este tema Planteamiento del

Más detalles

TÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD

TÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD TÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD Contrastes de hipótesis paramétricos para una y varias muestras: contrastes sobre la media, varianza y una proporción. Contrastes sobre la diferencia

Más detalles

ESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua

ESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:

Más detalles

EJERCICIOS DE SELECTIVIDAD

EJERCICIOS DE SELECTIVIDAD EJERCICIOS DE SELECTIVIDAD INFERENCIA 1998 JUNIO OPCIÓN A Un fabricante de electrodomésticos sabe que la vida media de éstos sigue una distribución normal con media μ = 100 meses y desviación típica σ

Más detalles

INFERENCIA ESTADISTICA

INFERENCIA ESTADISTICA 1 INFERENCIA ESTADISTICA Es una rama de la Estadística que se ocupa de los procedimientos que nos permiten analizar y extraer conclusiones de una población a partir de los datos de una muestra aleatoria,

Más detalles

Objetivos del tema. Qué es una hipótesis? Test de Hipótesis Introducción a la Probabilidad y Estadística. Contrastando una hipótesis

Objetivos del tema. Qué es una hipótesis? Test de Hipótesis Introducción a la Probabilidad y Estadística. Contrastando una hipótesis Objetivos del tema Conocer el proceso para contrastar hipótesis y su relación con el método científico. Diferenciar entre hipótesis nula y alternativa Nivel de significación Test de Hipótesis Introducción

Más detalles

Curso de Estadística Aplicada a las Ciencias Sociales. Tema 12. Contraste de hipótesis. Introducción. Introducción

Curso de Estadística Aplicada a las Ciencias Sociales. Tema 12. Contraste de hipótesis. Introducción. Introducción Curso de Estadística Aplicada a las Ciencias Sociales Tema 12. Contraste de (Cap. 22 del libro) Tema 12. Contraste de 1. Tipos de 2. La nula y la Ejercicios Tema 12, Contraste de 2 En muchas investigaciones

Más detalles

Tabla de Test de Hipótesis ( Caso: Una muestra ) A. Test para µ con σ 2 conocida: Suponga que X 1, X 2,, X n, es una m.a.(n) desde N( µ, σ 2 )

Tabla de Test de Hipótesis ( Caso: Una muestra ) A. Test para µ con σ 2 conocida: Suponga que X 1, X 2,, X n, es una m.a.(n) desde N( µ, σ 2 ) Test de Hipótesis II Tabla de Test de Hipótesis ( Caso: Una muestra ) A. Test para µ con σ conocida: Suponga que X, X,, X n, es una m.a.(n) desde N( µ, σ ) Estadística de Prueba X - μ Z 0 = σ / n ~ N(0,)

Más detalles

= P (Z ) - P (Z ) = P (Z 1 25) P (Z -1 25)= P (Z 1 25) [P (Z 1 25)] = P (Z 1 25) [1- P (Z 1 25)] =

= P (Z ) - P (Z ) = P (Z 1 25) P (Z -1 25)= P (Z 1 25) [P (Z 1 25)] = P (Z 1 25) [1- P (Z 1 25)] = El peso en kg de los estudiantes universitarios de una gran ciudad se supone aproximado por una distribución normal con media 60kg y desviación típica 8kg. Se toman 100 muestras aleatorias simples de 64

Más detalles

CONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS

CONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS CONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS 1 POR QUÉ SE LLAMAN CONTRASTES NO PARAMÉTRICOS? A diferencia de lo que ocurría en la inferencia paramétrica, ahora, el desconocimiento de la población que vamos

Más detalles

1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA

1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA MODELO DE REGRESIÓN LOGÍSTICA Introducción A grandes rasgos, el objetivo de la regresión logística se puede describir de la siguiente forma: Supongamos que los individuos de una población pueden clasificarse

Más detalles

Análisis de la varianza ANOVA

Análisis de la varianza ANOVA Estadística Básica. Mayo 2004 1 Análisis de la varianza ANOVA Francisco Montes Departament d Estadística i I. O. Universitat de València http://www.uv.es/~montes Estadística Básica. Mayo 2004 2 Comparación

Más detalles

Intervalos de confianza y contrastes de hipótesis. Intervalo de confianza de la media.

Intervalos de confianza y contrastes de hipótesis. Intervalo de confianza de la media. R PRÁCTICA IV Intervalos de confianza y contrastes de hipótesis Sección IV.1 Intervalo de confianza de la media. 44. Cargar (abrir) el conjunto de Datos Pulso.rda. Se pide: a) Calcular el de confianza

Más detalles

CONTRASTES DE HIPÓTESIS PARAMÉTRICOS. La estadística en cómic (L. Gonick y W. Smith)

CONTRASTES DE HIPÓTESIS PARAMÉTRICOS. La estadística en cómic (L. Gonick y W. Smith) CONTRASTES DE HIPÓTESIS PARAMÉTRICOS La estadística en cómic (L. Gonick y W. Smith) EJEMPLO: UN JUICIO INJUSTO 2 APELAREMOS EL VERIDICTO 3 SEÑOR ESTADÍSTICO, PODRÍA EXPLICARNOS LO QUE ESTOS DATOS EVIDENCIAN?

Más detalles

CONCEPTOS FUNDAMENTALES

CONCEPTOS FUNDAMENTALES TEMA 8: CONTRASTES DE HIPÓTESIS PARAMÉTRICAS PRIMERA PARTE: Conceptos fundamentales 8.1. Hipótesis estadística. Tipos de hipótesis 8.2. Región crítica y región de aceptación 8.3. Errores tipo I y tipo

Más detalles

TAMAÑO DE MUESTRA EN LA ESTIMACIÓN DE LA MEDIA DE UNA POBLACIÓN

TAMAÑO DE MUESTRA EN LA ESTIMACIÓN DE LA MEDIA DE UNA POBLACIÓN TAMAÑO DE MUESTRA EN LA ESTIMACIÓN DE LA MEDIA DE UNA POBLACIÓN En este artículo, se trata de explicar una metodología estadística sencilla y sobre todo práctica, para la estimación del tamaño de muestra

Más detalles

Tema 5: Introducción a la inferencia estadística

Tema 5: Introducción a la inferencia estadística Tema 5: Introducción a la inferencia estadística 1. Planteamiento y objetivos 2. Estadísticos y distribución muestral 3. Estimadores puntuales 4. Estimadores por intervalos 5. Contrastes de hipótesis Lecturas

Más detalles

Pruebas de Hipótesis H0 : μ = 6 H1 : μ 6 α = 0.05 zα/2 = 1.96 (6-1,96 0,4 ; 6+1,96 0,4) = (5,22 ; 6,78) 5,6 Aceptamos la hipótesis nula H 0 2.

Pruebas de Hipótesis H0 : μ = 6 H1 : μ 6 α = 0.05 zα/2 = 1.96 (6-1,96 0,4 ; 6+1,96 0,4) = (5,22 ; 6,78) 5,6 Aceptamos la hipótesis nula H 0 2. Pruebas de Hipótesis 1. Se sabe que la desviación típica de las notas de cierto examen de Matemáticas es,4. Para una muestra de 6 estudiantes se obtuvo una nota media de 5,6. Sirven estos datos para confirmar

Más detalles

CAPÍTULO 10 ESTIMACIÓN POR PUNTO Y POR INTERVALO 1.- ESTIMACIÓN PUNTUAL DE LA MEDIA Y DE LA VARIANZA 2.- INTERVALO DE CONFIANZA PARA LA MEDIA

CAPÍTULO 10 ESTIMACIÓN POR PUNTO Y POR INTERVALO 1.- ESTIMACIÓN PUNTUAL DE LA MEDIA Y DE LA VARIANZA 2.- INTERVALO DE CONFIANZA PARA LA MEDIA CAPÍTULO 10 ESTIMACIÓN POR PUNTO Y POR INTERVALO 1.- ESTIMACIÓN PUNTUAL DE LA MEDIA Y DE LA VARIANZA 2.- INTERVALO DE CONFIANZA PARA LA MEDIA 3.- INTERVALO DE CONFIANZA PARA LA VARIANZA 4.- INTERVALO DE

Más detalles

INTERVALO DE CONFIANZA PARA LA PROPORCIÓN

INTERVALO DE CONFIANZA PARA LA PROPORCIÓN INTERVALO DE CONFIANZA PARA LA PROPORCIÓN Si deseamos estimar la proporción p con que una determinada característica se da en una población, a partir de la proporción p' observada en una muestra de tamaño

Más detalles

Técnicas Cuantitativas para el Management y los Negocios I

Técnicas Cuantitativas para el Management y los Negocios I Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo II Unidad 4. Probabilidad Conceptos básicos de probabilidad:

Más detalles

para una muestra Ref: Apuntes de Estadística, Mtra Leticia de la Torre Instituto Tecnológico de Chiuhuahua

para una muestra Ref: Apuntes de Estadística, Mtra Leticia de la Torre Instituto Tecnológico de Chiuhuahua Pruebas de hipótesis para una muestra Ref: Apuntes de Estadística, Mtra Leticia de la Torre Instituto Tecnológico de Chiuhuahua Las secciones anteriores han mostrado cómo puede estimarse un parámetro de

Más detalles

INTERVALOS DE CONFIANZA Julián de la Horra Departamento de Matemáticas U.A.M.

INTERVALOS DE CONFIANZA Julián de la Horra Departamento de Matemáticas U.A.M. 1 Introducción INTERVALOS DE CONFIANZA Julián de la Horra Departamento de Matemáticas U.A.M. En este capítulo, vamos a abordar la estimación mediante Intervalos de Confianza, que es otro de los tres grandes

Más detalles

INTERVALOS DE CONFIANZA. La estadística en cómic (L. Gonick y W. Smith)

INTERVALOS DE CONFIANZA. La estadística en cómic (L. Gonick y W. Smith) INTERVALOS DE CONFIANZA La estadística en cómic (L. Gonick y W. Smith) EJEMPLO: Será elegido el senador Astuto? 2 tamaño muestral Estimador de p variable aleatoria poblacional? proporción de personas que

Más detalles

Determinación del tamaño de muestra (para una sola muestra)

Determinación del tamaño de muestra (para una sola muestra) STATGRAPHICS Rev. 4/5/007 Determinación del tamaño de muestra (para una sola muestra) Este procedimiento determina un tamaño de muestra adecuado para la estimación o la prueba de hipótesis con respecto

Más detalles

Grado en NHyD 23 de junio de 2014

Grado en NHyD 23 de junio de 2014 Estadística Aplicada Examen extraordinario Grado en HyD 23 de junio de 214 OTA: Explica y desarrolla tus respuestas usando las salidas de los anexos. En las preguntas de verdadero y falso indica qué gráficos

Más detalles

Tema: ESTADÍSTICA DESCRIPTIVA BÁSICA CON SPSS 8.0

Tema: ESTADÍSTICA DESCRIPTIVA BÁSICA CON SPSS 8.0 Ignacio Martín Tamayo 11 Tema: ESTADÍSTICA DESCRIPTIVA BÁSICA CON SPSS 8.0 ÍNDICE ------------------------------------------------------------- 1. Introducción 2. Frecuencias 3. Descriptivos 4. Explorar

Más detalles

2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición...

2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición... Contenidos 1 Introducción al paquete estadístico S-PLUS 19 1.1 Introducción a S-PLUS............................ 21 1.1.1 Cómo entrar, salir y consultar la ayuda en S-PLUS........ 21 1.2 Conjuntos de datos..............................

Más detalles

Estadística con. Práctica 5: Intervalos de Conanza. Test de Hipótesis. Objetivo. 1. Intervalos y test (una sola muestra)

Estadística con. Práctica 5: Intervalos de Conanza. Test de Hipótesis. Objetivo. 1. Intervalos y test (una sola muestra) Estadística con Práctica 5: Intervalos de Conanza. Test de Hipótesis Objetivo En esta práctica aprendemos a aplicar e interpretar las técnicas de intervalos de con- anza y test de hipótesis, seleccionando

Más detalles

Para ello hacemos lo siguiente: Analizar. o Comparar medias. García Bellido, R.; González Such, J. y Jornet Meliá, J.M.

Para ello hacemos lo siguiente: Analizar. o Comparar medias. García Bellido, R.; González Such, J. y Jornet Meliá, J.M. SPSS: PRUEBA T PRUEBA T PARA MUESTRAS INDEPENDIENTES El procedimiento Prueba T para muestras independientes debe utilizarse para comparar las medias de dos grupos de casos, es decir, cuando la comparación

Más detalles

Pruebas de Hipótesis Multiples

Pruebas de Hipótesis Multiples Pruebas de Hipótesis Multiples Cuando queremos hacer comparaciones de mas de dos poblaciones, una alternativa es comparar todos los grupos a la vez con el método de Análisis de Varianza (ANOVA) H o : µ

Más detalles

TEMA 3: Contrastes de Hipótesis en el MRL

TEMA 3: Contrastes de Hipótesis en el MRL TEMA 3: Contrastes de Hipótesis en el MRL Econometría I M. Angeles Carnero Departamento de Fundamentos del Análisis Económico Curso 2011-12 Econometría I (UA) Tema 3: Contrastes de Hipótesis Curso 2011-12

Más detalles

Germán Jesús Rubio Luna Catedrático de Matemáticas del IES Francisco Ayala

Germán Jesús Rubio Luna Catedrático de Matemáticas del IES Francisco Ayala Decisión estadística. Contraste de hipótesis Nota.- Cuando tratábamos la estimación de parámetros, intentábamos obtener un valor o un intervalo de valores que constituyesen la mejor estimación del parámetro

Más detalles

EJERCICIOS RESUELTOS DE ESTADÍSTICA II

EJERCICIOS RESUELTOS DE ESTADÍSTICA II EJERCICIOS RESUELTOS DE ESTADÍSTICA II RESUMEN DE EJERCICIOS DADOS EN CLASES POR: EILEEN JOHANA ARAGONES GENEY DISTRIBUCIONES DOCENTE: JUAN CARLOS VERGARA SCHMALBACH ESTIMACIÓN PRUEBAS DE HIPÓTESIS Grupo

Más detalles

CAPÍTULO IV TRABAJO DE CAMPO Y PROCESO DE CONTRASTE DE LAS HIPÓTESIS

CAPÍTULO IV TRABAJO DE CAMPO Y PROCESO DE CONTRASTE DE LAS HIPÓTESIS CAPÍTULO IV TRABAJO DE CAMPO Y PROCESO DE CONTRASTE DE LAS HIPÓTESIS 1. HIPÓTESIS ALTERNA E HIPÓTESIS NULA Para someter a contraste una hipótesis es necesario formular las Hipótesis Alternas ( H1 ) y formular

Más detalles

Estadística Avanzada y Análisis de Datos

Estadística Avanzada y Análisis de Datos 1-1 Estadística Avanzada y Análisis de Datos Javier Gorgas y Nicolás Cardiel Curso 2006-2007 2007 Máster Interuniversitario de Astrofísica 1-2 Introducción En ciencia tenemos que tomar decisiones ( son

Más detalles

Tema 4: Probabilidad y Teoría de Muestras

Tema 4: Probabilidad y Teoría de Muestras Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009

Más detalles

INFERENCIA ESTADÍSTICA

INFERENCIA ESTADÍSTICA INFERENCIA ESTADÍSTICA 1. DEFINICIÓN DE INFERENCIA ESTADÍSTICA Llamamos Inferencia Estadística al proceso de sacar conclusiones generales para toda una población a partir del estudio de una muestra, así

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 00-.003 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumno debe elegir sólo una de las pruebas (A o B) y, dentro de ella, sólo

Más detalles

478 Índice alfabético

478 Índice alfabético Índice alfabético Símbolos A, suceso contrario de A, 187 A B, diferencia de los sucesos A y B, 188 A/B, suceso A condicionado por el suceso B, 194 A B, intersección de los sucesos A y B, 188 A B, unión

Más detalles

INTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 7)

INTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 7) TEMA Nº 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD OBJETIVOS DE APRENDIZAJE: Conocer las características de la distribución normal como distribución de probabilidad de una variable y la aproximación de

Más detalles

Pruebas de Hipótesis-ANOVA. Curso de Seminario de Tesis Profesor QF Jose Avila Parco Año 2016

Pruebas de Hipótesis-ANOVA. Curso de Seminario de Tesis Profesor QF Jose Avila Parco Año 2016 Pruebas de Hipótesis-ANOVA Curso de Seminario de Tesis Profesor Q Jose Avila Parco Año 2016 Análisis de la Varianza de un factor (ANOVA) El análisis de la varianza (ANOVA) es una técnica estadística paramétrica

Más detalles

Cómo se hace la Prueba t a mano?

Cómo se hace la Prueba t a mano? Cómo se hace la Prueba t a mano? Sujeto Grupo Grupo Grupo Grupo 33 089 74 5476 84 7056 75 565 3 94 8836 75 565 4 5 704 76 5776 5 4 6 76 5776 6 9 8 76 5776 7 4 78 6084 8 65 45 79 64 9 86 7396 80 6400 0

Más detalles

ESTIMACIÓN PUNTUAL Julián de la Horra Departamento de Matemáticas U.A.M.

ESTIMACIÓN PUNTUAL Julián de la Horra Departamento de Matemáticas U.A.M. 1 Introducción ESTIMACIÓN PUNTUAL Julián de la Horra Departamento de Matemáticas U.A.M. En este capítulo, vamos a abordar la Estimación Puntual, que es uno de los tres grandes conjuntos de técnicas que

Más detalles

INDICE Capítulo I: Conceptos Básicos Capitulo II: Estadística Descriptiva del Proceso

INDICE Capítulo I: Conceptos Básicos Capitulo II: Estadística Descriptiva del Proceso INDICE Capítulo I: Conceptos Básicos 1.- Introducción 3 2.- Definición de calidad 7 3.- Política de calidad 10 4.- Gestión de la calidad 12 5.- Sistema de calidad 12 6.- Calidad total 13 7.- Aseguramiento

Más detalles

a. N(19 5, 1 2) P(19 X 21) = P( Z ) = = P = P P = = P P = P = = = El 55 72% no son adecuados.

a. N(19 5, 1 2) P(19 X 21) = P( Z ) = = P = P P = = P P = P = = = El 55 72% no son adecuados. El diámetro de los tubos de cartón para un envase ha de estar entre 19 y 21mm. La maquina prepara tubos cuyos diámetros están distribuidos como una manual de media 19 5mm y desviación típica 1 2mm. Qué

Más detalles

Hay diferencias en la media del HOMA entre los diabéticos y los no diabéticos? Resumen del procesamiento de los casos

Hay diferencias en la media del HOMA entre los diabéticos y los no diabéticos? Resumen del procesamiento de los casos Test de hipótesis t de Student Hay diferencias en la media del HOMA entre los diabéticos y los no diabéticos? Resumen del procesamiento de los casos HOMA Casos Válidos Perdidos Total N Porcentaje N Porcentaje

Más detalles

INTRODUCCIÓN A LA ECONOMETRÍA (LE Y LADE, mañana) Prof. Magdalena Cladera APLICACIONES DE INFERENCIA ESTADÍSTICA DE EXCEL Y SPSS

INTRODUCCIÓN A LA ECONOMETRÍA (LE Y LADE, mañana) Prof. Magdalena Cladera APLICACIONES DE INFERENCIA ESTADÍSTICA DE EXCEL Y SPSS INTRODUCCIÓN A LA ECONOMETRÍA (LE Y LADE, mañana) Prof. Magdalena Cladera APLICACIONES DE INFERENCIA ESTADÍSTICA DE EXCEL Y SPSS CONTENIDOS APLICACIONES DE INFERENCIA ESTADÍSTICA DE EXCEL... 2 1. Probabilidad...

Más detalles

PATRONES DE DISTRIBUCIÓN ESPACIAL

PATRONES DE DISTRIBUCIÓN ESPACIAL PATRONES DE DISTRIBUCIÓN ESPACIAL Tipos de arreglos espaciales Al azar Regular o Uniforme Agrupada Hipótesis Ecológicas Disposición al Azar Todos los puntos en el espacio tienen la misma posibilidad de

Más detalles

EJERCICIOS. Curso: Estadística. Profesores: Mauro Gutierrez Martinez Christiam Miguel Gonzales Chávez. Cecilia Milagros Rosas Meneses

EJERCICIOS. Curso: Estadística. Profesores: Mauro Gutierrez Martinez Christiam Miguel Gonzales Chávez. Cecilia Milagros Rosas Meneses EJERCICIOS Curso: Estadística Profesores: Mauro Gutierrez Martinez Christiam Miguel Gonzales Chávez. Cecilia Milagros Rosas Meneses 1. Un fabricante de detergente sostiene que los contenidos de las cajas

Más detalles

Tema 7 Intervalos de confianza Hugo S. Salinas

Tema 7 Intervalos de confianza Hugo S. Salinas Intervalos de confianza Hugo S. Salinas 1 Introducción Hemos definido la inferencia estadística como un proceso que usa información proveniente de la muestra para generalizar y tomar decisiones acerca

Más detalles

Agro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos

Agro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,

Más detalles

Pregunta 1. Pregunta 2. Pregunta 3. Pregunta 4. Pregunta 5. Pregunta 6. Pregunta 7. Comenzado el lunes, 25 de marzo de 2013, 17:24

Pregunta 1. Pregunta 2. Pregunta 3. Pregunta 4. Pregunta 5. Pregunta 6. Pregunta 7. Comenzado el lunes, 25 de marzo de 2013, 17:24 Comenzado el lunes, 25 de marzo de 2013, 17:24 Estado Finalizado Finalizado en sábado, 30 de marzo de 2013, 17:10 Tiempo empleado 4 días 23 horas Puntos 50,00/50,00 Calificación 10,00 de un máximo de 10,00

Más detalles

Matemáticas 2.º Bachillerato. Intervalos de confianza. Contraste de hipótesis

Matemáticas 2.º Bachillerato. Intervalos de confianza. Contraste de hipótesis Matemáticas 2.º Bachillerato Intervalos de confianza. Contraste de hipótesis Depto. Matemáticas IES Elaios Tema: Estadística Inferencial 1. MUESTREO ALEATORIO Presentación elaborada por el profesor José

Más detalles

Problemas resueltos. Temas 10 y 11 11, 9, 12, 17, 8, 11, 9, 4, 5, 9, 14, 9, 17, 24, 19, 10, 17, 17, 8, 23, 8, 6, 14, 16, 6, 7, 15, 20, 14, 15.

Problemas resueltos. Temas 10 y 11 11, 9, 12, 17, 8, 11, 9, 4, 5, 9, 14, 9, 17, 24, 19, 10, 17, 17, 8, 23, 8, 6, 14, 16, 6, 7, 15, 20, 14, 15. Temas 10 y 11. Contrastes paramétricos de hipótesis. 1 Problemas resueltos. Temas 10 y 11 1- las puntuaciones en un test que mide la variable creatividad siguen, en la población general de adolescentes,

Más detalles

GUÍA 5 : EFECTO DEL ESTRÉS EN EL PESO DE RECIÉN NACIDOS

GUÍA 5 : EFECTO DEL ESTRÉS EN EL PESO DE RECIÉN NACIDOS GUÍA 5 : EFECTO DEL ESTRÉS EN EL PESO DE RECIÉN NACIDOS Se realizó un estudio a partir de una muestra aleatoria de mujeres atendidas por el departamento de obstetricia y ginecología de cierta clínica particular.

Más detalles

Tipo de punta (factor) (bloques)

Tipo de punta (factor) (bloques) Ejemplo Diseño Bloques al Azar Ejercicio -6 (Pág. 99 Montgomery) Probeta Tipo de punta (factor) (bloques) 9. 9. 9.6 0.0 9. 9. 9.8 9.9 9. 9. 9.5 9.7 9.7 9.6 0.0 0. ) Representación gráfica de los datos

Más detalles

Práctica 5 MÉTODOS DESCRIPTIVOS PARA DETERMINAR LA NORMALIDAD

Práctica 5 MÉTODOS DESCRIPTIVOS PARA DETERMINAR LA NORMALIDAD Práctica 5.Métodos descriptivos para determinar la normalidad 1 Práctica 5 MÉTODOS DESCRIPTIVOS PARA DETERMINAR LA NORMALIDAD Objetivos: En esta práctica utilizaremos el paquete SPSS para determinar si

Más detalles

ESTADISTICA GENERAL. INFERENCIA ESTADISTICA Profesor: Celso Celso Gonzales

ESTADISTICA GENERAL. INFERENCIA ESTADISTICA Profesor: Celso Celso Gonzales ESTADISTICA GENERAL INFERENCIA ESTADISTICA Profesor: Celso Celso Gonzales Objetivos Entender los conceptos de estimación puntual y estimación por intervalos. Calcular e interpretar intervalos de confianza

Más detalles

Objetivos. Epígrafes 3-1. Francisco José García Álvarez

Objetivos. Epígrafes 3-1. Francisco José García Álvarez Objetivos Entender el concepto de variabilidad natural de un procesos Comprender la necesidad de los gráficos de control Aprender a diferenciar los tipos de gráficos de control y conocer sus limitaciones.

Más detalles

INFERENCIA DE LA PROPORCIÓN

INFERENCIA DE LA PROPORCIÓN ESTADISTICA INFERENCIA DE LA PROPORCIÓN DISTRIBUCIÓN MUESTRAL DE PROPORCIONES En una población la proporción de elementos (personas, animales, cosas o entes) que posee una cierta característica es p. En

Más detalles

Estadística II Tema 2. Conceptos básicos en el contraste de. Curso 2010/11

Estadística II Tema 2. Conceptos básicos en el contraste de. Curso 2010/11 Estadística II Tema 2. Conceptos básicos en el contraste de hipótesis Curso 2010/11 Tema 2. Conceptos básicos en el contraste de hipótesis Contenidos Definición de contraste e hipótesis estadística. Hipótesis

Más detalles

Puntuación Z ESTADÍSTICA APLICADA A LA EDUCACIÓN I. L.A. y M.C.E. Emma Linda Diez Knoth

Puntuación Z ESTADÍSTICA APLICADA A LA EDUCACIÓN I. L.A. y M.C.E. Emma Linda Diez Knoth 1 Puntuación Z ESTADÍSTICA APLICADA A LA EDUCACIÓN I Qué es la Puntuación Z? 2 Los puntajes Z son transformaciones que se pueden hacer a los valores o puntuaciones de una distribución normal, con el propósito

Más detalles

PRUEBA DE HIPÓTESIS DE UNA MUESTRA PARA PROPORCIONES J UA N J O S É H E R NÁ N D E Z O C A ÑA

PRUEBA DE HIPÓTESIS DE UNA MUESTRA PARA PROPORCIONES J UA N J O S É H E R NÁ N D E Z O C A ÑA PRUEBA DE HIPÓTESIS DE UNA MUESTRA PARA PROPORCIONES J UA N J O S É H E R NÁ N D E Z O C A ÑA PROPORCIONES n es una razón entre el número de éxitos y bservaciones re al número de éxitos y n al de, la proporción

Más detalles

Estadísticos Descriptivos

Estadísticos Descriptivos ANÁLISIS EXPLORATORIO DE DATOS El análisis exploratorio tiene como objetivo identificar el modelo teórico más adecuado para representar la población de la cual proceden los datos muéstrales. Dicho análisis

Más detalles

Estadística Convocatoria de Junio Facultad de Ciencias del Mar. Curso 2009/10 28/06/10

Estadística Convocatoria de Junio Facultad de Ciencias del Mar. Curso 2009/10 28/06/10 1. El Indice Climático Turístico (ICT), definido por Mieczkowski en 1985 es un índice que toma valores en una escala de 0 a 100 y tiene como objetivo valorar la calidad que ofrece el clima de una región

Más detalles

Inferencia estadística Selectividad CCSS Murcia. MasMates.com Colecciones de ejercicios

Inferencia estadística Selectividad CCSS Murcia. MasMates.com Colecciones de ejercicios 1. [2014] [EXT-A] Según un informe de una universidad, la edad media de finalización de un determinado grado no supera los 23 años. Sabiendo que la edad de finalización sigue una normal con desviación

Más detalles

conocida comúnmente, como la Campana de Gauss ".

conocida comúnmente, como la Campana de Gauss . CURSO DE ESTADÍSTICA INFERENCIAL EJERCICIOS Y PROBLEMAS RESUELTOS DE DISTRIBUCIÓN NORMAL Prof.:MSc. Julio R. Vargas A. La Distribución Normal: La distribución normal N (μ, σ): es un modelo matemático que

Más detalles

Tema 5. Muestreo y distribuciones muestrales

Tema 5. Muestreo y distribuciones muestrales Tema 5. Muestreo y distribuciones muestrales Contenidos Muestreo y muestras aleatorias simples La distribución de la media en el muestreo La distribución de la varianza muestral Lecturas recomendadas:

Más detalles

EJERCICIOS RESUELTOS DE ESTADÍSTICA II

EJERCICIOS RESUELTOS DE ESTADÍSTICA II EJERCICIOS RESUELTOS DE ESTADÍSTICA II RESUMEN DE EJERCICIOS DADOS EN CLASES PARTE II POR: EILEEN JOHANA ARAGONES GENEY DISTRIBUCIONES DOCENTE: JUAN CARLOS V ERGARA SCHMALBACH ESTIMACIÓN PRUEBAS DE HIPÓTESIS

Más detalles

A. PRUEBAS DE BONDAD DE AJUSTE: B.TABLAS DE CONTINGENCIA. Chi cuadrado Metodo G de Fisher Kolmogorov-Smirnov Lilliefords

A. PRUEBAS DE BONDAD DE AJUSTE: B.TABLAS DE CONTINGENCIA. Chi cuadrado Metodo G de Fisher Kolmogorov-Smirnov Lilliefords A. PRUEBAS DE BONDAD DE AJUSTE: Chi cuadrado Metodo G de Fisher Kolmogorov-Smirnov Lilliefords B.TABLAS DE CONTINGENCIA Marta Alperin Prosora Adjunta de Estadística alperin@fcnym.unlp.edu.ar http://www.fcnym.unlp.edu.ar/catedras/estadistica

Más detalles

Técnicas Cuantitativas para el Management y los Negocios I

Técnicas Cuantitativas para el Management y los Negocios I Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo II Unidad 4. Probabilidad Conceptos básicos de probabilidad:

Más detalles

Tema 3. Comparaciones de dos poblaciones

Tema 3. Comparaciones de dos poblaciones Tema 3. Comparaciones de dos poblaciones Contenidos Hipótesis para la diferencia entre las medias de dos poblaciones: muestras pareadas Hipótesis para la diferencia entre las medias de dos poblaciones:

Más detalles

INFERENCIA ESTADÍSTICA. Metodología de Investigación. Tesifón Parrón

INFERENCIA ESTADÍSTICA. Metodología de Investigación. Tesifón Parrón Metodología de Investigación Tesifón Parrón Contraste de hipótesis Inferencia Estadística Medidas de asociación Error de Tipo I y Error de Tipo II α β CONTRASTE DE HIPÓTESIS Tipos de Test Chi Cuadrado

Más detalles

TEMA 4: CONTRASTES DE HIPÓTESIS. CONCEPTOS BÁSICOS

TEMA 4: CONTRASTES DE HIPÓTESIS. CONCEPTOS BÁSICOS ASIGNATURA: ESTADÍSTICA II (Grado ADE,MIM,FBS) TEMA 4: CONTRASTES DE HIPÓTESIS. CONCEPTOS BÁSICOS 4.1. Hipótesis estadística. Tipos de hipótesis 4.2. Región crítica y región de aceptación 4.3. Errores

Más detalles

ÍNDICE INTRODUCCIÓN... 21

ÍNDICE INTRODUCCIÓN... 21 INTRODUCCIÓN... 21 CAPÍTULO 1. ORGANIZACIÓN DE LOS DATOS Y REPRESENTACIONES GRÁFICAS... 23 1. ORGANIZACIÓN DE LOS DATOS... 23 1.1. La distribución de frecuencias... 24 1.2. Agrupación en intervalos...

Más detalles

Examen de Matemáticas Aplicadas a las CC. Sociales II (Junio 2015) Selectividad-Opción A Tiempo: 90 minutos

Examen de Matemáticas Aplicadas a las CC. Sociales II (Junio 2015) Selectividad-Opción A Tiempo: 90 minutos Examen de Matemáticas Aplicadas a las CC. Sociales II (Junio 2015) Selectividad-Opción A Tiempo: 90 minutos Problema 1 (2 puntos) Se considera el sistema de ecuaciones dependiente del parámetro real a:

Más detalles

Tema 4: Probabilidad y Teoría de Muestras

Tema 4: Probabilidad y Teoría de Muestras Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009

Más detalles

Prácticas de inferencia y muestreo.

Prácticas de inferencia y muestreo. Prácticas de inferencia y muestreo. Contenido de la presentación Una herramienta de creación de actividades: HotPotatoes. Applets: algunos ejemplos sobre inferencia y estadística descriptiva. Excel como

Más detalles

2. Análisis de varianza

2. Análisis de varianza 1. Análisis de varianza Introducción La estadística inferencial no solo realiza estudios con una muestra, también es necesario trabajar con más de una muestra; las que pueden ser dos o más. Para cada una

Más detalles

Repaso Estadística Descriptiva

Repaso Estadística Descriptiva Grado en Fisioterapia, 2010/11 Cátedra de Bioestadística Universidad de Extremadura 13 de octubre de 2010 Índice Descriptiva de una variable 1 Descriptiva de una variable 2 Índice Descriptiva de una variable

Más detalles

MANEJO DE VARIABLES EN INVESTIGACIÓN CLÍNICA Y EXPERIMENTAL

MANEJO DE VARIABLES EN INVESTIGACIÓN CLÍNICA Y EXPERIMENTAL MANEJO DE VARIABLES EN INVESTIGACIÓN CLÍNICA Y EXPERIMENTAL Israel J. Thuissard David Sanz-Rosa IV JORNADAS INVESTIGACIÓN COEM UNIVERSIDADES 4 de marzo de 2016 Escuela de Doctorado e Investigación. Vicerrectorado

Más detalles

Ejercicio 1(10 puntos)

Ejercicio 1(10 puntos) ESTADISTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES. Segundo Parcial Montevideo, 4 de julio de 2015. Nombre: Horario del grupo: C.I.: Profesor: Ejercicio 1(10 puntos) La tasa de desperdicio en una empresa

Más detalles

8.2.5. Intervalos para la diferencia de medias de dos poblaciones

8.2.5. Intervalos para la diferencia de medias de dos poblaciones 8.. INTERVALOS DE CONFIANZA PARA LA DISTRIBUCIÓN NORMAL 89 distribuye de modo gaussiana. Para ello se tomó una muestra de 5 individuos (que podemos considerar piloto), que ofreció los siguientes resultados:

Más detalles

Técnicas de Inferencia Estadística II. Tema 3. Contrastes de bondad de ajuste

Técnicas de Inferencia Estadística II. Tema 3. Contrastes de bondad de ajuste Técnicas de Inferencia Estadística II Tema 3. Contrastes de bondad de ajuste M. Concepción Ausín Universidad Carlos III de Madrid Grado en Estadística y Empresa Curso 2014/15 Contenidos 1. Introducción

Más detalles

Estadísticos Aplicados en el SPSS 2008

Estadísticos Aplicados en el SPSS 2008 PRUEBAS ESTADISTICAS QUE SE APLICAN (SPSS 10.0) PARAMÉTRICAS:... 2 Prueba t de Student para una muestra... 2 Prueba t par muestras independientes... 2 ANOVA de una vía (multigrupo)... 2 ANOVA de dos vías

Más detalles

Este procedimiento prueba hipótesis acerca de cualquiera de los siguientes parámetros:

Este procedimiento prueba hipótesis acerca de cualquiera de los siguientes parámetros: STATGRAPHICS Re. 4/d/yyyy Pruebas de Hipótesis (Una Muestra) Este procedimiento prueba hipótesis acerca de cualquiera de los siguientes parámetros: 1. la media μ de una distribución normal.. la desiación

Más detalles

Fase 2. Estudio de mercado: ESTADÍSTICA

Fase 2. Estudio de mercado: ESTADÍSTICA 1. CONCEPTO DE ESTADÍSTICA. ESTADÍSTICA DESCRIPTIVA 2. 3. TABLA DE FRECUENCIAS 4. REPRESENTACIONES GRÁFICAS 5. TIPOS DE MEDIDAS: A. MEDIDAS DE POSICIÓN B. MEDIDAS DE DISPERSIÓN C. MEDIDAS DE FORMA 1 1.

Más detalles

ALGUNAS CUESTIONES DESTACABLES EN INFERENCIA ESTADÍSTICA

ALGUNAS CUESTIONES DESTACABLES EN INFERENCIA ESTADÍSTICA ALGUNAS CUESTIONES DESTACABLES EN INFERENCIA ESTADÍSTICA Las encuestas sociológicas suelen trabajar con muestras. Sería demasiado costoso entrevistar al total de la población española adulta, que suele

Más detalles

Medidas descriptivas I. Medidas de tendencia central A. La moda

Medidas descriptivas I. Medidas de tendencia central A. La moda Medidas descriptivas I. Medidas de tendencia central A. La moda Preparado por: Roberto O. Rivera Rodríguez Coaching de matemática Escuela Eduardo Neuman Gandía 1 Introducción En muchas ocasiones el conjunto

Más detalles

Distribución Chi (o Ji) cuadrada (χ( 2 )

Distribución Chi (o Ji) cuadrada (χ( 2 ) Distribución Chi (o Ji) cuadrada (χ( 2 ) PEARSON, KARL. On the Criterion that a Given System of Deviations from the Probable in the Case of a Correlated System of Variables is such that it Can Reasonably

Más detalles

Definición de probabilidad

Definición de probabilidad Tema 5: LA DISTRIBUCIÓN NORMAL 1. INTRODUCCIÓN A LA PROBABILIDAD: Definición de probabilidad Repaso de propiedades de conjuntos (Leyes de Morgan) Probabilidad condicionada Teorema de la probabilidad total

Más detalles

Ejercicios T2 y T3.- DISTRIBUCIONES MUESTRALES Y ESTIMACIÓN PUNTUAL

Ejercicios T2 y T3.- DISTRIBUCIONES MUESTRALES Y ESTIMACIÓN PUNTUAL Ejercicios T2 y T3.- DISTRIBUCIONES MUESTRALES Y ESTIMACIÓN PUNTUAL 1. Se ha realizado una muestra aleatoria simple (m.a.s) de tamaño 10 a una población considerada normal. Llegando a la conclusión que

Más detalles